总结：中文分词 Rworseg包的应用

前面安装了Rwordseg包，这个包的工作方式：
“Rwordseg”在分词之前会去掉文本中所有的（中文）符号，这样就会造成原分开的句子前后相连，本来分开的两个字也许连在了一起。

另外一个中文分词包“jieba”分词包不会去掉任何符号，而且返回的结果里也会有符号。所有小文本准确性上可能”Rwordseg”会有误差。

Rwordseg分词原理：
Rwordseg是一个R环境下的中文分词工具，使用rjava调用java分词工具Ansj。

该分词算法有以下几个步骤：
1.全切分，原子切分；
2.N最短路径的粗切分，根据隐马尔科夫模型和viterbi算法，达到最优路径的规划；
3.人名识别；
4.系统词典补充；
5.用户自定义词典的补充；
6.词性标注。

影响分词效果的主要因素：分词词典的使用。

1.搜狗分词包

 从搜狗词库下载分词词典
 [搜狗下载官网](http://pinyin.sogou.com/dict/cate/index/101)
  不能直接将下载d的~.scel改为~.txt格式

 # 加载词典
 installDict("E:/wyeth/互联网.scel","internet",dicttype = "scel")  

installDict函数介绍
installDict(dictpath, dictname, dicttype = c(“text”,”scel”), load = TRUE)

2.自定义词典

可以自己设定哪些关键词，也可以删除已经加入词库的一些关键词。

#手动添加或删除词汇，仅在内存中临时添加，未记录下来

segmentCN(“过氧化苯酰胺少量抹在皮肤”)
[1] “过” “氧化” “苯” “酰” “胺” “少量抹” “在” “皮肤”
insertWords(“过氧化苯酰胺”)